Cohere Transcribe 2B

Trang Soniqo này ghi lại Cohere Transcribe 2B theo triển khai hiện có trong speech-swift / speech-core. Liên kết Hugging Face nằm bên dưới phần ghi chú tích hợp.

Ưu tiên trang nội bộ

Thẻ trên trang chính và menu tài liệu trỏ vào đây trước; liên kết model nguồn và bundle vẫn có trong trang này.

Tổng quan

Model	Cohere Transcribe 2B
Vai trò	High-accuracy multilingual offline speech-to-text
Backend	Native MLX on Apple Silicon
Đầu ra	Plain-text transcription
Ngôn ngữ	14 languages
Giấy phép	Apache-2.0
Trạng thái	Published FP16, INT5, and INT8 bundles; INT5 is the default
Nguồn	Cohere Transcribe
Sản phẩm Swift	`CohereTranscribeASR`
CLI / runtime	`speech transcribe --engine cohere`

Cách dùng

Đoạn dưới đây khớp với API hoặc lệnh hiện tại do speech-swift cung cấp.

# INT5 is the default.
speech transcribe recording.wav --engine cohere

# Select another published precision and pass a language hint.
speech transcribe recording.wav --engine cohere --model int8 --language de

# --model also accepts a Hugging Face model ID or a local directory.
speech transcribe recording.wav --engine cohere --model /models/cohere/int5

Benchmark

Đo ngày 2026-07-22 trên 80 câu đọc tiếng Anh từ FLEURS (tổng 759,56 giây), trên Apple M5 Pro với 48 GB bộ nhớ chạy macOS 26.5.2. Mỗi biến thể chạy trong tiến trình riêng từ bản build release.

Variant	Bundle	WER	Δ WER	Mean RTF	Overall ×RT	Footprint
FP16	3.85 GiB	6.178%	—	0.0444	23.59×	6,724 MiB
INT5	1.62 GiB	6.288%	+0.110 pp	0.0150	69.64×	2,582 MiB
INT8	2.25 GiB	6.178%	+0.000 pp	0.0159	65.74×	3,292 MiB

Dung lượng vật lý là con số bộ nhớ hợp nhất có ý nghĩa khi triển khai, vì MLX có thể memory-map các tệp trọng số. FLEURS là giọng đọc tiếng Anh: các số liệu này không khẳng định tương đương trên âm thanh hội thoại, điện thoại, ồn hoặc nhiều người nói.

Liên kết model

Ghi chú triển khai

The runtime resamples mono Float32 PCM to 16 kHz and handles long recordings in overlapping chunks.
INT5 is the practical default: on the validated English FLEURS run it used a 1.62 GiB bundle, 2,582 MiB physical footprint, and 0.0150 mean RTF.
MLX affine quantization supports 2, 3, 4, 5, 6, and 8 bits, not INT7; choose INT8 when prioritizing quality.
This is a non-streaming engine. The CLI rejects --stream instead of silently changing behavior.